このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

自重スクワットの AI モバイル アプリケーションと HCP の比較

2021年8月9日 更新者:Columbia University

自重スクワットのための人工知能 (AI) モバイル アプリケーションとヘルスケア プロバイダー (HCP) の比較: 無作為化、盲検、対照臨床試験

人工知能 (AI) モバイル アプリケーションが、理学療法士 (PT) と比較して、成人参加者の体重スクワット フォームを識別および改善できるかどうかを評価する。

調査の概要

詳細な説明

人工知能 (AI) は、人々が健康上のニーズに対処する方法を変えています。 身体運動に関連するそのような方法の 1 つは、AI 対応の運動モバイル アプリケーション (デジタル コーチ) です。これは、モーション トラッキング テクノロジを使用して、人の運動フォームを監視し、リアルタイムの音声フィードバックを提供します。 ただし、この AI 技術は、運動フォームを改善する能力について、対面評価者 (人間のコーチ) に対して独立してまだテストされていません。 この研究は、デジタル コーチ (n=15) と理学療法士 (PT) の人間のコーチ (n=15) が、20 ~ 35 歳の健常なボランティア 30 人を対象に体重スクワット フォームを改善する能力を比較する盲検無作為対照試験です。 各ボランティアは 10 回の補助なしのコントロール スクワットを実行し、次に各繰り返しの後にいずれかのコーチから補助的な音声フィードバックを受けながら 10 回のスクワットを行い、最後にさらに 10 回の補助なしのテスト スクワットを行い、すべてのスクワットをビデオに記録します。 3 人の独立したビデオ評価者が、さまざまなコーチによる介入の前後で、ボランティアが完了した正しいスクワットの繰り返し数をカウントします。 このプロジェクトは、毎日の運動パターンに広く適用できる体重スクワットを使用して、少人数で PT の人間のコーチと比較してデジタル コーチを検証するために重要です。

研究の種類

介入

入学 (実際)

30

段階

  • 適用できない

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究場所

    • New York
      • New York、New York、アメリカ、10032
        • Columbia University Medical Center

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

20年~35年 (大人)

健康ボランティアの受け入れ

いいえ

受講資格のある性別

全て

説明

包含基準:

  • コロンビア大学関係者
  • 20~35歳
  • 適度な自重運動を10分間行うことができる

除外基準:

  • 同意できない

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか?

デザインの詳細

  • 主な目的:他の
  • 割り当て:ランダム化
  • 介入モデル:並列代入
  • マスキング:独身

武器と介入

参加者グループ / アーム
介入・治療
実験的:人工知能(AI)グループ
ベースラインの能力を判断し、独自のコントロールとして機能させるために、両グループの参加者は、フィードバックなしで体重スクワットの「コントロール」を 10 回繰り返し、その後 1 分間休憩しました。 その後、AI グループの参加者は、アプリからのリアルタイムの視聴覚フィードバックを使用して、さらに 10 回の「練習」を繰り返し、その後 1 分間休憩しました。 AI の設計では、必要に応じて、反復ごとに音声ステートメントと画面上のビデオを使用して 1 つのフィードバックを提供しました (たとえば、参加者が首を下に曲げてスクワットの反復を実行した場合、AI は画面上の指示で頭を上げたままにすることを提案しました)。 . 両方のグループの参加者は、フィードバックなしで「テスト」を 10 回繰り返し、その後 1 分間休憩しました。
AI モバイル アプリケーションは、人工知能グループにランダムに割り当てられた参加者にフィードバックを提供します。
アクティブコンパレータ:理学療法士グループ
ベースラインの能力を判断し、独自のコントロールとして機能させるために、両グループの参加者は、フィードバックなしで体重スクワットの「コントロール」を 10 回繰り返し、その後 1 分間休憩しました。 PT グループ (n = 15) の参加者は、必要に応じて 1 回の反復ごとに 1 つのフィードバックを行い、その後 1 分間の休憩を取りながら、10 回の「練習」反復を実行しました。 両方のグループの参加者は、フィードバックなしで「テスト」を 10 回繰り返し、その後 1 分間休憩しました。
PT は、理学療法士グループに無作為に割り付けられた参加者にフィードバックを提供します。

この研究は何を測定していますか?

主要な結果の測定

結果測定
メジャーの説明
時間枠
正しいスクワット数
時間枠:最長 15 分または 3 セット目のスクワットの完了
介入後のスクワットの改善は、スクワットの最初のセットと比較して、3 番目のセットの正しいスクワットの数によって決定されます。
最長 15 分または 3 セット目のスクワットの完了

二次結果の測定

結果測定
メジャーの説明
時間枠
AIが正しく判別したスクワット数
時間枠:最長 15 分または 3 セット目のスクワットの完了
正しいスクワットと正しくないスクワットの AI 識別は、独立した評価者と比較して、AI によって正しく識別されたスクワットの数によって決定されます。
最長 15 分または 3 セット目のスクワットの完了

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

捜査官

  • 主任研究者:Sunil K. Agrawal, PhD、Columbia University

出版物と役立つリンク

研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2019年10月15日

一次修了 (実際)

2019年12月30日

研究の完了 (実際)

2019年12月30日

試験登録日

最初に提出

2020年11月5日

QC基準を満たした最初の提出物

2020年11月5日

最初の投稿 (実際)

2020年11月12日

学習記録の更新

投稿された最後の更新 (実際)

2021年8月16日

QC基準を満たした最後の更新が送信されました

2021年8月9日

最終確認日

2021年8月1日

詳しくは

本研究に関する用語

追加の関連 MeSH 用語

その他の研究ID番号

  • AAAS7301

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

いいえ

IPD プランの説明

個々の参加者データは他の研究者と共有されません

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

人工知能のフィードバックの臨床試験

3
購読する